电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

11时间序列模型(快班)VIP免费

11时间序列模型(快班)_第1页
1/30
11时间序列模型(快班)_第2页
2/30
11时间序列模型(快班)_第3页
3/30
1 2.3 自相关函数 以上介绍了随机过程的几种模型。实际中单凭对时间序列的观察很难确定其属于哪一种模型,而自相关函数和偏自相关函数是分析随机过程和识别模型的有力工具。 1. 自相关函数定义 在给出自相关函数定义之前先介绍自协方差函数概念。由第一节知随机过程{xt}中的每一个元素 xt,t = 1, 2, … 都是随机变量。对于平稳的随机过程,其期望为常数,用  表示,即 E(x t) = , t = 1, 2, … (2.25) 随机过程的取值将以  为中心上下变动。平稳随机过程的方差也是一个常量 Var(xt) = E [(xt - E(xt))2 ] = E [(xt - )2 ] = x2 , t = 1, 2, … (2.26) x2 用来度量随机过程取值对其均值  的离散程度。 相隔 k 期的两个随机变量 xt 与 xt - k 的协方差即滞后 k 期的自协方差,定义为 k = Cov (xt, x t - k ) = E[(xt -  ) (xt - k -  ) ] (2.27) 自协方差序列 k , k = 0, 1, … , K, 称为随机过程 {xt} 的自协方差函数。当 k = 0 时 0 = Var (xt) = x2 自相关系数定义 k = )()(),(kttkttxVarxarVxxCov (2.28) 因为对于一个平稳过程有 Var (xt) = Var (xt - k) = x2 (2.29) 所以(2.28)可以改写为 k =2),(xkttxxCov =2xk= 0k (2.30) 当 k = 0 时,有  0 = 1。 以滞后期 k 为变量的自相关系数列 k, k = 0, 1, … , K (2.31) 称为自相关函数。因为k = - k 即 Cov (xt - k , xt ) = Cov (xt, xt + k ),自相关函数是零对称的,所以实际研究中只给出自相关函数的正半部分即可。 2.自回归过程的自相关函数 (1) 平稳 AR(1)过程的自相关函数 AR(1) 过程如下 xt =  xt-1 + ut ,   1 已知 E(xt) = 0。用 xt- k 同乘上式两侧 xt xt- k =  xt-1 xt- k + ut xt- k 上式两侧同取期望, 2 k = 1 k -1 其中E(xt- k ut) = 0(ut 与其t - k 期及以前各项都不相关)。两侧同除 0 得, k = 1 k -1 = 1 1 k -2 = … = 1k 0 因为 o = 1。所以有 k = 1k , (k  0) 对于平稳序列有    。所以当 1 为正时,自相关函数按指数衰减至零(过阻尼情形),当 1 为负时...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

11时间序列模型(快班)

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部